问题标签 [text-classification]

我们有一个包含 20k 条推文的数据集，这些推文已经由我们的教授处理过，因此每个词的词性都在词之后定义……这个 pos 标记来自 Penn Treebank 项目。以下是一些例句：

其中第一个字符是句子的分类，句子中的每个单词都用它的 pos 标记。

读入数据时，Weka 有 pos 解析功能吗？目前我们已经剥离了 pos 标签并且没有使用它们，但我想它们对于提高分类器的准确性非常有帮助。

谢谢！

我有这样的数据

我想对它们进行聚类并用多个标签标记它们中的每一个。可以使用现有工具吗？我没有足够的时间自己实施。太感谢了！！

我正在尝试将推文分为两类（例如，basketball和non-basketball）。显然，数据集是动态的，即文档集合不固定为一组N文档（即推文）：数据集在爬取 Twitter 时一遍又一遍地膨胀。

应该尝试应用的一件事是朴素贝叶斯分类器，它广泛用于文本分类。此处提供了解释。然而，一个疑问仍然存在。

我可以从训练集开始计算模型（并说明词汇表V是由训练集中包含的术语组成的）。现在，人们可以收集一条新的、未分类的推文，其中包含不存在的V术语（即，没有出现在训练集中的术语）。朴素贝叶斯分类器是否仍然适用？

概括问题：朴素贝叶斯分类器能否应用于词汇表不完全已知的情况？

先感谢您。

我们有一个包含 15k 条分类推文的数据集，我们需要使用这些推文进行情绪分析。我想针对 5k 分类推文的测试集进行测试。由于 Weka 在测试集的标头中需要与训练集标头中存在的相同属性，如果我希望能够针对这个 5k 测试集运行我的分类器，我将不得不使用批量过滤。

但是，我需要通过几个过滤器来运行我的训练集，所以我认为针对训练集运行一个多重过滤器是一个好主意。不运行批处理参数时，多重过滤器工作正常，但是当我尝试批处理过滤时，我从 CLI 收到错误，因为它试图在多重过滤器中执行第一个过滤器：

带有批处理参数的 CLI multiFilter 命令：

这是来自 CLI 的结果错误：

以下是训练和测试输入 arffs的部分数据的标题：

训练：

测试：

我在这里做错了吗？我知道有监督的重采样要求类属性位于标题中属性列表的底部，并且它是......在测试和训练输入文件中。

编辑：

进一步的测试表明，此错误不会与批量过滤有关，每当我从 CLI 运行监督重采样过滤器时就会发生此错误......我使用的数据适用于我在 CLI 中尝试过的所有其他过滤器，所以我不明白为什么这个过滤器有什么不同......在 GUI 中重新采样数据也可以正常工作......

更新：

这也发生在 SMOTE 过滤器而不是重采样过滤器上

我正在尝试对文本进行分类，然后将名词映射到人、地点或事物上。有没有办法或字典来做到这一点？

两者有什么区别？文章似乎以不同的方式对待它们……也就是说，一篇论文将展示对文本分类或句子分类的研究。

我想知道 - 如果一个人对整个文本应用句子分类，然后根据其大部分句子被分类到的内容对段落进行分类 - 这会算作正确的文本分类吗？还是文本分类有不同的“捕获”？

可用于自然语言处理的字典很少。像正面，负面的词词典等。

是否有任何可用的字典包含所有字典单词的同义词列表？

像nice

我是 R 的新手，我找不到任何关于可以执行以下操作的包的信息：假设我有一组数据（例如，不同的文本文档），它可以有多个类。

例如，数据可以是一项运动、一项有球运动、一项无球运动和一辆汽车。我希望能够预测数据属于哪个类别，考虑到我可能不会认为数据是带球的运动，但如果我正确预测它是运动，我会很高兴。

哪个包可以提供这种东西？如果可能的话，一些例子会很有用。

提前致谢

我正在尝试进入机器学习领域，因此我想尝试在推文上进行文本分类。我收集了一小部分推文样本，但为了执行任何监督学习，我需要手动标记我收集的一些推文。当我扩大数据规模时，这是一项艰巨的任务。

有没有什么方法可以在没有我手动标记大量推文的情况下进行分类？或者无监督学习更适合这项任务？

我是 Python 和 Stackoverflow 的新手（请保持温和），并且正在尝试学习如何进行情绪分析。我正在使用在教程和此处找到的代码组合：Python - AttributeError: 'list' object has no attribute但是，我不断收到

这是我的代码：

任何帮助将不胜感激。